典型文献
基于时间注意力图卷积的民航旅客需求预测
文献摘要：
随着航空运输业的发展,高效准确的需求预测成为各民航单位提高运行效率与企业竞争力的重要条件.考虑航空运输中旅客需求的时空特征,针对小型中转航线网络,构建基于图卷积神经网络(Graph Convolution neural Network,GCN)、门控循环网络(Gated Recurrent neural,GRU)与注意力机制的时间注意力图卷积(AT-TGCN)预测模型,以此捕获航线网络中的图结构特征与时空相关性.首先,基于航空公司历史航班运行数据,构建以中转航线为主的小型网络;其次,依据中转航线网络的拓扑结构,进行时间与空间的多维特征分析;结合网络的时空特征构建预测模型,并基于具体数据进行预测;最后,选用多项误差指标,将构建的预测模型与传统基准模型进行比对分析.预测结果表明,在中转航线网络的旅客需求研究中,基于时间注意力图卷积的预测模型具有显著的优势,且预测精度可达93.10％,可为航空公司了解中转旅客的需求变化提供有应用价值的预测模型.
文献关键词：
航空运输;需求预测;深度学习;航线网络;时空特征
中图分类号：
作者姓名：
俞嘉慧;吴薇薇;刘鹏;陈嘉鑫
作者机构：
南京航空航天大学民航学院,南京 211106;上海吉祥航空股份有限公司,上海 200335
文献出处：
引用格式：
[1]俞嘉慧;吴薇薇;刘鹏;陈嘉鑫-.基于时间注意力图卷积的民航旅客需求预测)[J].北京交通大学学报,2022(05):63-73
A类：
TGCN
B类：
时间注意力,注意力图,民航旅客,旅客需求,需求预测,航空运输业,提高运行效率,企业竞争力,运输中,中旅,时空特征,航线网络,图卷积神经网络,Graph,Convolution,neural,Network,门控循环网络,Gated,Recurrent,GRU,注意力机制,AT,图结构,时空相关性,航空公司,航班运行,运行数据,拓扑结构,时间与空间,多维特征,特征构建,误差指标,比对分析,需求研究,需求变化
AB值：
0.29819
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
